స్ట్రక్చరల్ లేదా రాస్టరైజ్డ్: PDF కంప్రెషన్ మోడ్ ఎంపిక
టూల్ రెండు PDF మోడ్లు ఇస్తోంది, వాటిలో ఒకటి కొన్ని విషయాలు పోతాయని హెచ్చరిస్తోంది. నాకు ఏది కావాలి?
రెండు మోడ్లూ ఒక్కో వాక్యంలో
స్ట్రక్చరల్ సేవ్ అదే డాక్యుమెంట్ను మరింత సమర్థంగా మళ్ళీ రాస్తుంది: అవే పేజీలు, అదే టెక్స్ట్, అవే ఫాంట్లు, వృథా బైట్లు తక్కువ. రాస్టరైజ్డ్ కంప్రెషన్ ప్రతి పేజీని బిట్మ్యాప్గా రెండర్ చేసి, ఆ బిట్మ్యాప్లే పేజీలుగా ఉన్న కొత్త PDFను తయారు చేస్తుంది: కనిపించే రూపం అదే, ఎంచుకున్న రిజల్యూషన్లో, ఇంకేమీ ఉండదు.
మొదటిది ఒక ఇంటి పని. రెండోది ఒక కన్వర్షన్, పైగా అది ఒక్కవైపు మాత్రమే తెరుచుకునే తలుపు.
ఏ మోడ్లో ఏం మిగులుతుంది
| ఫీచర్ | స్ట్రక్చరల్ సేవ్ | రాస్టరైజ్డ్ |
|---|---|---|
| సెలెక్ట్ చేయగల, వెతకగల టెక్స్ట్ | ఉంటుంది | పోతుంది |
| ఎంబెడ్ చేసిన ఫాంట్లు | ఉంటాయి లేదా సబ్సెట్ అవుతాయి | వర్తించదు — పేజీలు ఇమేజ్లు |
| హైపర్లింక్లు | ఉంటాయి | పోతాయి |
| బుక్మార్క్లు, ఔట్లైన్ | ఉంటాయి | పోతాయి |
| ఫారం ఫీల్డ్లు | ఉంటాయి | బొమ్మలో కలిసిపోతాయి |
| అనోటేషన్లు, కామెంట్లు | ఉంటాయి | కలిసిపోతాయి లేదా పోతాయి |
| స్క్రీన్ రీడర్ల కోసం ట్యాగ్ చేసిన నిర్మాణం | ఉంటుంది | పోతుంది |
| డిజిటల్ సంతకాలు | ఏ రీరైట్తోనైనా చెల్లకుండా పోతాయి | పోతాయి |
| జూమ్ చేసినప్పుడు వెక్టార్ స్పష్టత | ఉంటుంది | రెండర్ రిజల్యూషన్ మేరకే |
| సాధారణ సైజు తగ్గింపు | కొద్దిది నుంచి మధ్యస్థం, చాలా మారుతూ ఉంటుంది | స్కాన్లపై చాలా ఎక్కువ, మిగిలిన వాటిపై మధ్యస్థం |
స్ట్రక్చరల్ ఒక్కటే సమర్థనీయమైన ఎంపిక ఎప్పుడు
- ఎవరైనా లోపల వెతికే ఏదైనా: ఒప్పందాలు, మాన్యువల్లు, రిపోర్టులు, పరిశోధన పత్రాలు.
- అందుబాటులో ఉండాల్సిన ఏదైనా. హెడింగ్లను, చదివే వరుసను, టేబుల్ సెల్లను స్క్రీన్ రీడర్ చెప్పడానికి వీలుకల్పించే ట్యాగ్ చేసిన నిర్మాణం రాస్టరైజేషన్ను తట్టుకోదు, పేజీ బొమ్మ సహాయక సాంకేతికతకు చదవడానికి రాదు.
- ఇంకా ఎవరో నింపాల్సిన, పని చేసే ఫారం ఫీల్డ్లు ఉన్న ఏదైనా.
- జనం జూమ్ చేసి చూసే వెక్టార్ కళాకృతి ఉన్న ఏదైనా: డ్రాయింగ్లు, మ్యాప్లు, ప్లాన్లు, చార్ట్లు.
- తర్వాత మీరు ఎడిట్ చేయాల్సి రావచ్చు అనుకునే ఏదైనా.
ఈ సందర్భాల్లో స్ట్రక్చరల్ సేవ్ మీకు కావాల్సిన చోటికి తీసుకురాకపోతే, విధ్వంసకర మోడ్ వైపు చేయి చాచడం కంటే మీరు పంపేదాన్ని తగ్గించుకోవడమే సరైన అడుగు — అవసరమైన పేజీలను విడిగా తీయండి.
రాస్టరైజ్ చేయడం నిజంగా సరైన జవాబు ఎప్పుడు
డాక్యుమెంట్ అప్పటికే బొమ్మల సమూహమైనప్పుడు రాస్టరైజ్ చేయడం అర్థవంతం — స్కాన్ అంటే సరిగ్గా అదే. స్కాన్ చేసిన ఒప్పందంలో పోగొట్టుకోవడానికి టెక్స్ట్ లేయర్ లేదు, లింక్లు లేవు, ట్యాగ్లు లేవు, ఫారం ఫీల్డ్లు లేవు. దాని పేజీలను తక్కువ రిజల్యూషన్లో మళ్ళీ రెండర్ చేయడం పెద్దగా ఉన్న ఏకైక దానిపైనే దాడి చేస్తుంది, మొదట్లో ఉన్నదేదీ మీకు నష్టపోదు.
ఒకసారి చూడటమే మిగిలిన పని అయిన డాక్యుమెంట్కు కూడా ఇది సబబే: ఖర్చుల క్లెయిమ్కు రసీదు, గట్టి సైజు పరిమితి ఉన్న పోర్టల్కు చిరునామా రుజువు, నోటీసు బోర్డు కోసం పోస్టర్. ఆ డాక్యుమెంట్కు నిజంగా అదే చివరి పని అని మాత్రం ఖచ్చితంగా తెలుసుకోండి.
నాణ్యత గురించిన వాదన మొత్తం రిజల్యూషన్ చుట్టూనే
మీరు రాస్టరైజ్ చేసినప్పుడు, ఫలితం వాడుకోదగినదా కాదా అని నిర్ణయించే సంఖ్య ఇంచుకు చుక్కల్లో కొలిచే రెండర్ రిజల్యూషన్. కాగితంపై టెక్స్ట్ ఆశ్చర్యకరంగా తక్కువ రిజల్యూషన్ల వద్దే స్క్రీన్పై చదవగలిగేలా ఉంటుంది, ఆ స్థాయికి కొంచెం కిందికి వెళ్ళగానే చదవడానికి రాదు. చిన్న అక్షరాలు, ఫుట్నోట్లు, సూపర్స్క్రిప్ట్లు, సన్నని టేబుల్స్ మొదటి బలిపశువులు — పైగా జనం ఎక్కువగా చదవాల్సి వచ్చేవి కూడా సరిగ్గా అవే.
| రెండర్ DPI | సుమారు పేజీ పిక్సెల్స్ | ఆచరణాత్మక వాడుక |
|---|---|---|
| 72 DPI | 595 × 842 | స్క్రీన్ థంబ్నెయిల్; సాధారణ టెక్స్ట్ చదవడం కష్టమవుతుంది |
| 96 DPI | 794 × 1123 | మామూలు టెక్స్ట్ను స్క్రీన్పై చదవడానికి |
| 150 DPI | 1240 × 1754 | హాయిగా చదవడానికి, చాలా ప్రింటింగ్కు ఆమోదయోగ్యం |
| 300 DPI | 2480 × 3508 | ప్రింట్ నాణ్యత; సాధారణంగా స్కాన్ వచ్చిన రిజల్యూషన్ ఇదే |
సోర్స్ ఇమేజ్లకు అప్పటికే ఉన్న రిజల్యూషన్ కంటే ఎక్కువలో రెండర్ చేయడం బైట్లను పెంచుతుంది, వివరాలను పెంచదు. స్కాన్ 200 DPIలో వచ్చి ఉంటే, దాన్ని 300లో రాస్టరైజ్ చేస్తే అదే మసకతనం ఉన్న పెద్ద ఫైల్ వస్తుంది.
ఒక్కవైపు తెరుచుకునే తలుపు
అన్-రాస్టరైజ్ అనేదే లేదు. టెక్స్ట్ లేయర్ ఒకసారి పోయాక తిరిగి రావడానికి ఉన్న ఏకైక మార్గం ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్ — అది పిక్సెల్స్ ఏం చెబుతున్నాయో ఊహించడం, దానికి దాని సొంత తప్పులూ ఉంటాయి. అసలు ఫైల్ను ఉంచుకోండి. రా ఫొటో నుంచి ఎక్స్పోర్ట్ చేసిన JPEGను ఎలా చూస్తారో, రాస్టరైజ్ చేసిన కాపీని కూడా ఒకే డెలివరీ కోసం తయారుచేసిన పారేయదగిన వస్తువుగానే చూడండి.
సంతకాల గురించి చివరిగా ఒక ప్రత్యేక హెచ్చరిక. సంతకమున్న PDFకు ఏ మార్పు చేసినా — స్ట్రక్చరల్ అయినా, రాస్టరైజ్డ్ అయినా — ఆ సంతకానికీ అది కప్పి ఉంచే బైట్లకూ మధ్య ఉన్న క్రిప్టోగ్రాఫిక్ సంబంధం తెగిపోతుంది. వ్యూయర్లు ఆ సంతకాన్ని చెల్లదని చూపిస్తాయి, చాలా డాక్యుమెంట్ల విషయంలో అది ఫైల్ పెద్దగా ఉండటం కంటే ఘోరం.
ముప్ఫై సెకన్లలో నిర్ణయించుకోవడం
- కర్సర్తో ఒక వాక్యాన్ని సెలెక్ట్ చేయడానికి ప్రయత్నించండి. కాకపోతే అది స్కాన్ — రాస్టరైజ్ చేయడం సురక్షితం, ప్రభావవంతం.
- టెక్స్ట్ సెలెక్ట్ అయితే, దీన్ని ఎవరైనా ఎప్పుడైనా వెతుకుతారా, కాపీ చేస్తారా, క్లిక్ చేస్తారా, సహాయక సాంకేతికతతో చదువుతారా అని ఆలోచించండి. అవుననిపిస్తే స్ట్రక్చరల్లోనే ఉండండి.
- స్ట్రక్చరల్ ఫలితం సరిపడేంత చిన్నది కాకపోతే, డాక్యుమెంట్ను విడగొట్టండి లేదా మీకు నిజంగా కావాల్సిన పేజీలను తీయండి.
- ఆ తర్వాతే రాస్టరైజ్ గురించి ఆలోచించండి, అదీ ఒక కాపీపై మాత్రమే.
దీనికి పనికొచ్చే టూల్స్
మూలాలు
- ISO 32000-2 — Document management, Portable Document Format
- W3C — PDF techniques for WCAG, including tagged structure
- ISO 19005 — PDF/A, the archival profile that requires text and structure